In intelligenten Umgebungen passen autonome Systeme oft ihr Verhalten an den Kontext an, und obwohl solche Anpassungen im Allgemeinen vorteilhaft sind, können sie dazu führen, dass Benutzer Schwierigkeiten haben, sie zu verstehen oder ihnen zu vertrauen. Um dem entgegenzuwirken, schlagen wir ein Erklärungs-Generierungssystem vor, das natürliche Sprachbeschreibungen (Erklärungen) produziert, um das adaptive Verhalten von Smart-Home-Systemen zur Laufzeit zu klären. Diese Erklärungen werden basierend auf Benutzermerkmalen und den kontextuellen Informationen, die aus den Interaktionen der Benutzer mit dem System abgeleitet werden, angepasst. Unser Ansatz nutzt eine prompt-basierte Strategie unter Verwendung eines feinabgestimmten großen Sprachmodells, das von einer modularen Vorlage geleitet wird, die wichtige Daten wie den Typ der zu generierenden Erklärung, das Benutzerprofil, Informationen zum Laufzeitsystem, die Interaktionsgeschichte und die spezifische Art der Systemanpassung integriert. Als ersten Schritt präsentieren wir auch ein konzeptionelles Modell, das Erklärungen im Bereich autonomer Systeme charakterisiert, indem es deren Kernkonzepte definiert. Schließlich bewerten wir die Benutzererfahrung der erzeugten Erklärungen durch ein Experiment mit 118 Teilnehmern. Die Ergebnisse zeigen, dass die erzeugten Erklärungen positiv wahrgenommen werden und eine hohe Akzeptanz aufweisen.
Peña-Cáceres et al. (Fr,) haben diese Frage untersucht.